内容来源：丁香园大数据
编辑整理：Hoh
导读：影响搜索结果的因素有很多，包括对短文本的正确理解(实体词识别、纠错、意图分析等)、长文本良好结构化(关键词抽取、主题词抽取、文本分类等)以及排序模型(召回策略、LTR、语义匹配等)。各种优化算法落在以上三个步骤中，对不同指标产生影响。
对于搜索优化，我们的建议是从召回策略开始着手。理由是这个步骤与实际业务方最近，当理清业务逻辑后，可以快速实施,看见变化。另外，召回阶段是整个搜索流程中的基石，所有后续的排序都基于召回的候选列表，先规划好召回策略，才可能尽量避免后续调整基石，导致与后续"精排"相互影响的境地。
那么改进召回我们一般会做些什么呢？首先一定是通过产品分析、用户调研来了解什么内容适合在这个搜索场景里展示，随后抡起大刀修改检索的字段或公式。有了baseline之后，我们在观察检索回的内容有什么问题。可能是没有匹配内容，可能是最匹配的内容排序靠后，或者可能是除了字面匹配，其他内容相关性差等等。此时，就可以上一些影响召回的模块，比如Query词权重分配、动态时效性判定、Query扩展等。后面会陆续有文章分享其他技术，本文我们先